近日，自變量機(jī)器人完成近 10 億元 A+輪融資。本輪由阿里云、國科投資領(lǐng)投，國開金融、紅杉中國、渶策資本跟投。老股東美團(tuán)戰(zhàn)投超額跟投，聯(lián)想之星、君聯(lián)資本持續(xù)追投，其中聯(lián)想之星為天使輪股東。

在全球熱錢加速涌入、賽道估值快速攀升的背景下，此次融資呈現(xiàn)出罕見的「多元資本聚合」態(tài)勢：不僅有長期深耕硬科技領(lǐng)域的大美元資本入局，亦涵蓋布局戰(zhàn)略性新興產(chǎn)業(yè)的大國資，同時(shí)疊加互聯(lián)網(wǎng)戰(zhàn)投的深度參與。

三方資本力量就單一具身智能標(biāo)的形成「同頻注資」，標(biāo)志著該融資并不是盲目追逐概念熱度的投機(jī)性出手，而是押注產(chǎn)業(yè)未來的戰(zhàn)略性布局下，對自變量機(jī)器人技術(shù)壁壘與商業(yè)化潛力的深度篩選。

以此次領(lǐng)投方阿里云為例，作為國內(nèi)少數(shù)具備 AI 大模型底層能力、且深度鏈接產(chǎn)業(yè)場景的云廠商，其此前在具身智能領(lǐng)域始終保持「觀望」態(tài)度，此次選擇自變量機(jī)器人作為賽道「首投標(biāo)的」，不僅是基于對自變量機(jī)器人技術(shù)硬實(shí)力的認(rèn)可，更是對于具身智能產(chǎn)業(yè)價(jià)值「分水嶺」的精準(zhǔn)研判。

從產(chǎn)業(yè)視角來看，具身智能已經(jīng)進(jìn)入「腦力角逐」階段，從「勉強(qiáng)能用」到「通用好用」，站在金字塔尖的「大腦」，決定了具身智能能力的上限。自變量機(jī)器人作為國內(nèi)最早實(shí)現(xiàn)端到端具身智能大模型的公司，其自主研發(fā)「WALL-A」系列 VLA（Vision-Language-Action）操作大模型，構(gòu)建統(tǒng)一的認(rèn)知與行動框架。模型同時(shí)處理感知、推理和行動，直接進(jìn)行跨模態(tài)的因果推理和行動決策，讓機(jī)器人能夠在真實(shí)物理世界中，像人類一樣思考和工作。

本輪融資，體現(xiàn)的是多元資方對具身智能產(chǎn)業(yè)未來演進(jìn)方向的深度戰(zhàn)略布局。

01

具身智能 大規(guī)模落地，

要先理解物理世界「潛臺詞」

一個(gè)清晰的產(chǎn)業(yè)共識為，「大腦」能力不足導(dǎo)致技術(shù)落地與產(chǎn)業(yè)期待存在顯著落差。當(dāng)前業(yè)內(nèi)大部分「大腦」普遍處于「三重限定」?fàn)顟B(tài)：場景限定于預(yù)設(shè)的標(biāo)準(zhǔn)化環(huán)境、動作限定于固定軌跡的機(jī)械執(zhí)行、任務(wù)限定于單一指令的簡單響應(yīng)。

而真實(shí)物理世界的復(fù)雜性遠(yuǎn)超預(yù)設(shè)，一個(gè)僅能在「限定框架」內(nèi)運(yùn)作的「大腦」，顯然無法承接產(chǎn)業(yè)對具身智能「實(shí)時(shí)響應(yīng)」的核心訴求。

這一供需落差的核心 gap，在于大部分「大腦」僅能實(shí)現(xiàn)「表層物理世界理解」，識別可見的物體形態(tài)、空間位置，卻無法「讀懂」物理世界的「潛臺詞」，即深層語義理解與復(fù)雜推理能力的缺失。

得益于自變量機(jī)器人率先實(shí)現(xiàn)了端到端具身思維鏈推理框架，其恰好填補(bǔ)了產(chǎn)業(yè)空白?；诙嗄B(tài)輸入進(jìn)行深度推理并生成多模態(tài)輸出，形成模型自主決策、執(zhí)行、探索和反思的完整閉環(huán)。使模型能夠?qū)⒄Z言理解、視覺感知與動作執(zhí)行緊密結(jié)合，形成更接近人類思維的推理過程，成功突破多步驟長序列任務(wù)瓶頸。同時(shí)，據(jù)了解，自變量已在部分完全未訓(xùn)練過的新任務(wù)類型中展現(xiàn)出零樣本泛化能力。

02

具身智能「GPT 時(shí)刻」難盼？

中國也有了真正意義的具身智能基礎(chǔ)大模型開源

當(dāng)前具身智能產(chǎn)業(yè)正陷入「期待與現(xiàn)實(shí)錯位」的顯著怪象：外部市場始終聚焦「GPT 時(shí)刻」的降臨，篤信技術(shù)拐點(diǎn)將快速激活萬億級產(chǎn)業(yè)空間；但產(chǎn)業(yè)內(nèi)部卻深陷「重復(fù)造輪子」的低效循環(huán)。企業(yè)在底層算法框架、基礎(chǔ)感知模塊、運(yùn)動控制邏輯上各自為戰(zhàn)，難以形成協(xié)同突破，導(dǎo)致技術(shù)落地進(jìn)度遠(yuǎn)滯后于市場預(yù)期，成為行業(yè)隱性痛點(diǎn)。

要打破這一困局，「開源」無疑是最關(guān)鍵的破局抓手。

誠然，產(chǎn)業(yè)不乏開源動作，但并非所有「開源」都能承擔(dān)產(chǎn)業(yè)破壁的重任，業(yè)內(nèi)長期存在「真開源」與「假開源」的本質(zhì)分野。部分企業(yè)的「開源」，僅開放表層代碼片段或閹割版模型，核心訓(xùn)練框架、預(yù)訓(xùn)練權(quán)重、關(guān)鍵參數(shù)仍處于封閉狀態(tài)，開發(fā)者難以基于此進(jìn)行深度二次開發(fā)；或附加嚴(yán)苛的商用授權(quán)限制，無法真正形成技術(shù)共創(chuàng)生態(tài)。

而「真開源」的核心，是能讓開發(fā)者能從「直接使用」到「迭代優(yōu)化」再到「場景創(chuàng)新」，實(shí)現(xiàn)技術(shù)價(jià)值的共建共享。

在融資落錘官宣之際，自變量機(jī)器人在毫無預(yù)告的情況下，同步開源了其大規(guī)模真實(shí)數(shù)據(jù)訓(xùn)練的開源具身基礎(chǔ)模型 WALL-OSS。而且開源得極徹底，這次放出的，是一整套完整可復(fù)現(xiàn)的具身大模型方案。包括預(yù)訓(xùn)練模型權(quán)重、訓(xùn)練代碼、數(shù)據(jù)集接口，甚至還附帶了詳細(xì)部署文檔，開發(fā)者可以在自己的機(jī)器人上直接跑通閉環(huán)流程。即使是具身領(lǐng)域在 WALL-OSS 之前唯一可用的開源模型 Pi0，也未曾開源其推理及訓(xùn)練代碼。而更多的模型，則停留在發(fā) paper，或者較小數(shù)據(jù)量訓(xùn)練的階段。

WALL-OSS 自采大規(guī)模真機(jī)數(shù)據(jù)，多樣性場景及任務(wù)高質(zhì)量數(shù)據(jù)；在模型架構(gòu)上，創(chuàng)新性設(shè)計(jì)「共享注意力 + 專家分流 (FFN)」架構(gòu)；在訓(xùn)練方式上，首創(chuàng)「先離散、后連續(xù)、再聯(lián)合」的多階段訓(xùn)練范式；統(tǒng)一跨層級思維鏈實(shí)現(xiàn)了跨層級抽象層面的前向任意映射，模型能夠在單一可微分框架內(nèi)無縫切換高層決策與底層執(zhí)行。。

自變量機(jī)器人不斷突破技術(shù)卡點(diǎn)后，WALL-OSS 具備強(qiáng)大的泛化性和推理能力、良好的因果推理、空間理解和反思能力，在長程操作任務(wù)方面表現(xiàn)優(yōu)于其他基礎(chǔ)模型。據(jù)自變量評測，在嚴(yán)格的 ID（分布內(nèi)）和 OOD（分布外）評測中均驗(yàn)證了 WALL-OSS 的卓越性能：例如在指令描述、動作動詞、物體方位等發(fā)生變化的 OOD 場景下，WALL-OSS 依然保持高成功率和指令遵循度；在需要細(xì)分指令的長程任務(wù)上，WALL-OSS 顯著優(yōu)于扁平化策略的基線模型（如 π0-flat）；在需要 CoT 的推理類任務(wù)上，WALL-OSS 同時(shí)優(yōu)于 π0-flat 和 pi-gpt-prompt 等強(qiáng)基線；在空間 VQA、定位和場景描述等多模態(tài)基準(zhǔn)測試中，WALL-OSS 表現(xiàn)出色，成功保留并強(qiáng)化了 VLM 的核心能力。

通過開源將自變量機(jī)器人技術(shù)優(yōu)勢轉(zhuǎn)化為產(chǎn)業(yè)協(xié)同動能，加速具身智能從「技術(shù)單點(diǎn)突破」向「產(chǎn)業(yè)工程化落地」的關(guān)鍵躍遷，為行業(yè)真正迎來「GPT 時(shí)刻」筑牢根基，因此，行業(yè)內(nèi)有種說法

「硬件 看宇樹，大腦 看自變量」。

03

模型快速迭代之下，

AI 開始掌握硬件的定義權(quán)

在物理世界展現(xiàn)「能力涌現(xiàn)」時(shí)，新的問題也隨之而來。現(xiàn)有的硬件還是否適配于「進(jìn)化后」的大腦？

在自變量機(jī)器人看來，AI 的發(fā)展不僅帶動了軟件水平躍升，一定程度上也影響了硬件性能的發(fā)展走向。換言之，硬件是否適配，機(jī)器人的大腦或許比人類更懂。

只做大模型或是硬件或許很快就會觸碰到天花板，畢竟，商業(yè)化強(qiáng)如宇樹，也面臨著大腦「缺位」的爭議。

自變量機(jī)器人始終堅(jiān)持軟硬一體發(fā)展，并打造了模型原生的本體結(jié)構(gòu)。今年新發(fā)布的量子 2 號，就是這樣一個(gè)「模型原生」的硬件。它的五指靈巧手采用仿生結(jié)構(gòu)設(shè)計(jì)，單手擁有 20 個(gè)自由度，能感知細(xì)微的壓力變化?；诒凼忠惑w化外骨骼技術(shù)，自變量首創(chuàng)行業(yè)領(lǐng)先的「仿人機(jī)械臂+高自由度靈巧手」一體化全身遙操方案，量子 2 號不僅能采集高質(zhì)量數(shù)據(jù)反哺模型訓(xùn)練，也將與自研模型深度融合，真正進(jìn)入到現(xiàn)實(shí)場景中落地應(yīng)用。

在過去不到半年時(shí)間內(nèi)，自變量就已實(shí)現(xiàn)了機(jī)器人本體整機(jī)、高自由度靈巧手、外骨骼遙操數(shù)采設(shè)備等全棧自研。

04

技術(shù)快進(jìn)+資本同頻，

自變量機(jī)器人用商業(yè)化定力回應(yīng)期待

無論是近十億融資的加持還是開源基礎(chǔ)模型，都再次印證了自變量機(jī)器人「加速度」發(fā)展的鮮明特征。

2024 年 3 月，成立僅 3 個(gè)月的自變量機(jī)器人，推出國內(nèi)首款以具身智能基礎(chǔ)大模型為核心的復(fù)雜操作系統(tǒng)，時(shí)隔 3 月后，該模型便在特定任務(wù)中顯現(xiàn)出少樣本學(xué)習(xí)與自發(fā)跨任務(wù)遷移能力；同年 10 月，其進(jìn)一步研發(fā)出當(dāng)時(shí)參數(shù)規(guī)模領(lǐng)先的具身智能通用操作大模型 Great Wall 系列（GW）之 WALL-A，公開的多組操作動作精度達(dá)世界一流水準(zhǔn)。

2024 年 11 月，自變量的模型展現(xiàn)出長序列訓(xùn)推能力和泛化性，并首次展現(xiàn)出零樣本泛化能力；魯棒性、復(fù)雜任務(wù)成功率優(yōu)勢顯著。同時(shí)在數(shù)據(jù)質(zhì)量控制與數(shù)據(jù)收集效率方面達(dá)到世界領(lǐng)先水平，

步入 2025 年后，自變量機(jī)器人在語義導(dǎo)航等方面取得突破，4 月，自變量在具身思維鏈技術(shù)方面展現(xiàn)出強(qiáng)大優(yōu)勢，WALL-A 模型在更多未接觸過的新任務(wù)場景中展現(xiàn)出零樣本泛化能力。

硬件側(cè)，成立僅兩年的自變量機(jī)器人，已基于自研大模型搭建起「輪式雙臂機(jī)器人+輪式人形機(jī)器人+靈巧手」的本體產(chǎn)品矩陣。

自變量機(jī)器人不斷挑戰(zhàn)具身智能技術(shù)無人之境的同時(shí)，資本也展現(xiàn)出對其技術(shù)價(jià)值與產(chǎn)業(yè)潛力的長期「戰(zhàn)略錨定」。成立至今，自變量機(jī)器人已完成八輪融資，集結(jié)了多元化資本。形成「技術(shù)突破-資本注入-持續(xù)拓展」的正向循環(huán)。

值得關(guān)注的是，在技術(shù)與資本雙輪驅(qū)動的背后，自變量始終保持著清晰的商業(yè)化定力。在商業(yè)化落地場景選擇上，自變量機(jī)器人的定力體現(xiàn)在場景甄別中，堅(jiān)定選擇有真實(shí)數(shù)據(jù)價(jià)值、商業(yè)價(jià)值的場景，規(guī)避短期爆發(fā)的「偽需求」。

目前自變量的機(jī)器人，已與頭部服務(wù)業(yè)、工業(yè)客戶達(dá)成合作，在多場景中投入使用。未來自變量也將與客戶圍繞模型和硬件共建開放生態(tài)，推動具身智能的進(jìn)一步發(fā)展。

從 2023 年到現(xiàn)在，國內(nèi)具身企業(yè)百花齊放，商業(yè)模式也五花八門，各類公司在落場景、沖營收的同時(shí)，行業(yè)不斷反思其間的客戶價(jià)值是否持續(xù)、技術(shù)是否有效迭代。技術(shù)的快進(jìn)是產(chǎn)業(yè)的根基，多元化資本同時(shí)下注基礎(chǔ)模型及技術(shù)全棧的公司，或許為行業(yè)提供了期許的答案。